《表4 各算法召回率:基于加权K近邻的改进密度峰值聚类算法》
从图10~15与表3~5可以看出,本文提出的ADPC-WKNN算法在三个聚类性能评估指标上普遍优于DPC、DB-SCAN与K-means++算法,对于前五个人工数据集,ADPC-WKNN算法的三项性能指标均为最高,说明本文提出的AD-PC-WKNN算法在二维数据集上性能优越。对于UCI数据集,iris和seeds数据集等维数不是特别高的数据集,本文算法在三项性能指标上仍然是最高的,但是在zoo、waveform和wine等高维数据集上,ADPC-WKNN算法的聚类效果并不突出,在waveform数据集上,本文只有准确率与召回率两项指标是最高的,而在zoo及wine数据集上,本文算法的三项性能指标均不是最高的。由此可见,本文提出的ADPC-WKNN算法在中低维数据集上的聚类效果良好,其处理高维数据集的能力还有所欠缺。
图表编号 | XD00133914200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 杨震、王红军 |
绘制单位 | 国防科技大学、国防科技大学 |
更多格式 | 高清、无水印(增值服务) |